Correlação e causalidade

Correlação e causalidade

A correlação é uma medida estatística que indica a força e a direção da relação linear entre duas variáveis. Ela nos diz se as variáveis tendem a se mover juntas e em que sentido.

No entanto, é crucial entender que a correlação não implica necessariamente em causalidade. Duas variáveis podem estar correlacionadas por diversos motivos, sem que uma seja a causa direta da outra.

Esse tema é fundamental no estudo da estatística e probabilidade, sendo frequentemente abordado em provas de Ensino Médio, vestibulares e no ENEM, exigindo clareza conceitual para evitar erros de interpretação de dados.

Características

As principais características da correlação e causalidade são:

• Correlação indica associação: Duas variáveis se movem juntas (na mesma direção ou em direções opostas).
• Causalidade indica uma relação de causa e efeito: Uma variável (causa) influencia diretamente a outra (efeito).
• Correlação não implica causalidade: Uma alta correlação não significa automaticamente que uma variável causa a outra.
• Causalidade implica correlação: Se há causalidade, geralmente há correlação (mas a recíproca não é verdadeira).
• Variáveis de confundimento: Fatores externos podem causar tanto a correlação quanto a causalidade observada.

Estrutura da análise

Para analisar a relação entre variáveis, é importante seguir uma estrutura para diferenciar correlação de causalidade:

• Observação: Identificar duas variáveis que parecem se mover juntas.
• Medição: Quantificar a força e a direção dessa relação (correlação).
• Hipótese: Propor uma possível relação de causa e efeito.
• Experimentação/Controle: Realizar estudos controlados para isolar a causa e o efeito, eliminando variáveis de confundimento.
• Conclusão: Determinar se há evidências de causalidade.

Tipos de Correlação

Os tipos de correlação se referem à direção e força da relação linear entre variáveis.

Correlação Positiva

Ocorre quando duas variáveis se movem na mesma direção. Se uma aumenta, a outra também tende a aumentar; se uma diminui, a outra também tende a diminuir.

Exemplo:

A correlação entre a quantidade de horas estudadas para uma prova e a nota obtida. Geralmente, quanto mais tempo se estuda, maior tende a ser a nota, indicando uma correlação positiva.

Correlação Negativa

Ocorre quando duas variáveis se movem em direções opostas. Se uma aumenta, a outra tende a diminuir, e vice-versa.

Exemplo:

A correlação entre o número de cigarros fumados por dia e a expectativa de vida. Quanto maior o número de cigarros, menor tende a ser a expectativa de vida, indicando uma correlação negativa.

Ausência de Correlação

Não há uma relação linear discernível entre as duas variáveis. O movimento de uma não está sistematicamente ligado ao movimento da outra.

Exemplo:

A correlação entre o número do sapato de uma pessoa e seu QI. Não há um padrão claro; o tamanho do pé de uma pessoa não tem relação com sua inteligência.

Diferença entre Correlação e Causalidade

Exemplo de Correlação sem Causalidade

Para compreender melhor, veja o exemplo abaixo:

Exemplo:

Observa-se uma forte correlação positiva entre o aumento das vendas de sorvete e o número de incidentes de afogamento em praias durante o verão. Ambos aumentam significativamente ao mesmo tempo.

(Cenário hipotético)

No exemplo acima, há uma clara correlação positiva entre o consumo de sorvete e os afogamentos. No entanto, o consumo de sorvete não causa afogamentos. A variável de confusão aqui é a temperatura ambiente. Nos dias quentes de verão, as pessoas tendem a comprar mais sorvete E também tendem a ir mais à praia nadar, aumentando a probabilidade de afogamentos. A alta temperatura é a causa comum de ambos os eventos, mas um não causa o outro diretamente.

Exercícios com Gabarito

1. (ENEM-2022)

Uma pesquisa recente mostrou que países com maior número de médicos per capita tendem a ter uma expectativa de vida maior. Um pesquisador concluiu, com base nesses dados, que o aumento no número de médicos em um país é a principal causa do aumento da expectativa de vida de sua população.

A conclusão do pesquisador:

• a) está correta, pois mais médicos automaticamente resultam em melhor saúde.
• b) está incorreta, pois a quantidade de médicos é inversamente proporcional à expectativa de vida.
• c) pode ser uma falácia, pois correlação não implica causalidade. Outros fatores podem estar envolvidos.
• d) é irrefutável, visto que os dados estatísticos comprovam a relação direta.
• e) seria totalmente verdadeira se o estudo tivesse sido realizado em todos os países do mundo.

Resposta: Alternativa c: A observação de uma correlação entre o número de médicos e a expectativa de vida não garante que um seja a causa direta do outro. Países com mais médicos podem ter também melhores condições sanitárias, maior investimento em saúde pública, melhor nutrição, entre outros fatores que contribuem para uma expectativa de vida mais alta. Dessa forma, a conclusão direta de causalidade é uma falácia comum em estatística.

2. (UNESP-2019)

Considere a seguinte afirmação: “O aumento do número de horas que estudantes passam assistindo a vídeos educativos online está correlacionado com a melhoria de suas notas em exames nacionais.” Qual das seguintes conclusões é a mais apropriada para essa afirmação?

• a) Assistir a vídeos educativos online provoca diretamente a melhoria das notas.
• b) A melhoria das notas é a causa do aumento do tempo assistindo a vídeos educativos.
• c) Há uma associação entre as duas variáveis, mas não se pode afirmar causalidade sem mais investigação.
• d) A correlação é negativa, indicando que quanto mais vídeos, piores as notas.
• e) Não há qualquer relação entre assistir vídeos e o desempenho acadêmico.

Resposta: Alternativa c: A afirmação indica uma correlação, ou seja, uma associação entre as duas variáveis. Contudo, a correlação por si só não estabelece uma relação de causa e efeito. Pode haver variáveis de confundimento (como maior dedicação geral dos alunos, acesso a outros recursos, etc.) que influenciam tanto o tempo de estudo online quanto as notas. Para afirmar causalidade, seriam necessários estudos mais controlados.